Bangun stacked ensemble pertamamu

Metode Ensemble di Python

Román de las Heras

Data Scientist, Appodeal

Stacking model dengan scikit-learn

Beberapa fitur implementasi stacking di scikit-learn:

scikit-learn menyediakan estimator stacking (sejak versi 0.22)
Kompatibel dengan estimator scikit-learn lain
Estimator akhir dilatih dengan cross-validation

Langkah Umum

Langkah Arsitektur Stacking

Langkah umum implementasi:

Siapkan dataset
Bangun estimator lapis pertama
Tambahkan prediksi ke dataset
Bangun meta-estimator lapis kedua
Gunakan stacked ensemble untuk prediksi

Stacking classifier

from sklearn.ensemble import StackingClassifier

# Instansiasi classifier lapis 1
classifiers = [
    ('clf1', Classifier1(params1)),
    ('clf2', Classifier2(params2)),
    ...
    ('clfN', ClassifierN(paramsN))
]

# Instansiasi classifier lapis 2
clf_meta = ClassifierMeta(paramsMeta)

# Bangun Stacking classifier
clf_stack = StackingClassifier(
   estimators=classifiers,
   final_estimator=clf_meta,
   cv=5,
   stack_method='predict_proba',
   passthrough=False)

# Gunakan metode fit dan predict
clf_stack.fit(X_train, y_train)
pred = clf_stack.predict(X_test)

Stacking regressor

from sklearn.ensemble import StackingRegressor

# Instansiasi regressor lapis 1
regressors = [
    ('reg1', Regressor1(params1)),
    ('reg2', Regressor2(params2)),
    ...
    ('regN', RegressorN(paramsN))    
]

# Instansiasi regressor lapis 2
reg_meta = RegressorMeta(paramsMeta)

# Bangun Stacking regressor
reg_stack = StackingRegressor(
   estimators=regressors,
   final_estimator=reg_meta,
   cv=5,
   passthrough=False)

# Gunakan metode fit dan predict
reg_stack.fit(X_train, y_train)
pred = reg_stack.predict(X_test)

Giliran Anda!

Metode Ensemble di Python